Using Neural Networks in the Hierachical Routing

Abstract

Predmetom tejto diplomovej práce je ukázat' možné použitie modelov neurónových sietí pre potreby dekompozície dát, užitočnej pre hierarchický routing. Navrhneme hierarchický prístup k problému hl'adania optimálnej cesty v grafe. V aplikácii neurónových sietí sa potom zameriame na zopár modelov, ktoré možno použit' pri získavaní hierarchickej informácie z dopravnej siete. Predstavené modely pracujú na princípe minimalizácie energetickej funkcie a v našej práci poukážeme hlavne na schopnosti deterministického žíhania (MFA) v procese dekompozície grafu. V experimentálnej časti práce popíšeme vlastné návrhy pre vhodnú parametrizáciu použitých modelov neurónových sietí. V experimentálnych testoch tiež poukážeme na schopnost' MFA riešit' úlohu za prípadného prepdpokladu neúplnej informácie.

The objective of the diploma thesis is to show possible utilization of the neural networks for the partitioning needs of the hierarchical routing algorithm. The work proposes a hierarchical approach, which can be useful for the optimal path searching process. We focus on the application of several neural network models to extract hierarchical information from the transportation network data. Introduced models are based on the energy minimization principle and we demonstrate an employment of the deterministic annealing methods (MFA) as quite ambitious in the partitioning process. The experimental part of this work makes use of our findings and propose several suggestions on the proper parametrization of employed neural network models. In the experimental tests, we demonstrate capabilities of the MFA to provide a partitioning task also in case of lack of the global information.